Les méthodes de Taguchi sont une approche d'ingénierie de la qualité qui considère tout écart par rapport à une valeur cible comme une perte financière, et conçoivent produits et processus pour qu'ils soient robustes face aux facteurs de bruit qui causent cet écart.
Développée par l'ingénieur japonais Genichi Taguchi, la philosophie rompt fondamentalement avec la pensée traditionnelle: une pièce n'est pas simplement bonne si elle se situe dans sa bande de tolérance et mauvaise si elle en sort.
La qualité se dégrade continûment à mesure qu'une caractéristique s'éloigne de sa cible idéale, même si elle reste techniquement dans les spécifications. Cette simple idée reconfigure la manière dont on fixe les tolérances, réalise les expériences et décide où investir les efforts d'amélioration.
Le contrôle qualité classique utilise un modèle de poteaux de but. Si le diamètre d'un arbre doit être de 10,00 mm ± 0,05 mm, alors 9,96 mm et 10,04 mm sont tous deux « conformes » et considérés comme également acceptables. Taguchi a soutenu que c'est faux.
Un arbre à 10,04 mm s'ajuste moins bien, s'use plus vite et crée plus de problèmes en aval qu'un arbre exactement à 10,00 mm, même si les deux passent l'inspection. La perte n'est pas une fonction en escalier à la bordure de la tolérance.
C'est une courbe lisse centrée sur la cible, et elle augmente plus on s'en écarte dans un sens ou l'autre.
Taguchi a formalisé cela avec la fonction de perte de qualité quadratique, écrite L = k(y - m)^2. Ici y est la valeur mesurée de la caractéristique, m est la valeur cible (nominale) et k est le coefficient de perte, une constante qui convertit la déviation au carré en argent.
Comme la déviation est au carré, la perte augmente fortement: doubler la déviation quadruple le coût. Cela encode mathématiquement l'intuition selon laquelle être un peu hors cible coûte peu, et être très hors cible coûte très cher.
La fonction suppose que « la nominale est la meilleure », bien que Taguchi ait défini des variantes pour « plus petit est mieux » (comme la contamination) et « plus grand est mieux » (comme la résistance d'adhésion).
Supposons qu'un composant ait pour cible m = 10,00 mm avec une tolérance fonctionnelle de ±0,05 mm. À la limite de tolérance (une déviation de 0,05 mm), le coût moyen pour le client, via réparation, retouche ou rebut, est mesuré à 8,00 €. Résolvons d'abord k :
Utilisons maintenant ce k pour chiffrer une pièce mesurant 10,02 mm, une déviation de seulement 0,02 mm et confortablement dans la spécification :
Ainsi, une pièce « acceptable » et conforme porte quand même une perte qualité de 1,28 €. Une pièce à 10,04 mm (déviation 0,04 mm) supporte 3 200 × 0,0016 = 5,12 €, soit quatre fois la perte de la pièce à 0,02 mm malgré une déviation seulement doublée.
C'est la relation quadratique qui explique pourquoi viser la cible plutôt que simplement la tolérance est payant. Si vous produisez 200 000 de ces pièces par an avec une déviation moyenne au carré de 0,0004 mm^2, la perte annuelle attendue est 3 200 × 0,0004 × 200 000 = 256 000 €.
Réduire la variation de moitié réduit la facture de plus de moitié.
La fonction de perte vous dit que la variation coûte de l'argent. La conception robuste, au cœur de la méthode de Taguchi, vous indique comment la réduire à moindre coût.
Chaque processus a des facteurs de contrôle que vous pouvez régler (température, vitesse d'avance, pression) et des facteurs de bruit que vous ne pouvez pas facilement contrôler (humidité ambiante, variation de lot de matière, usure des machines).
L'objectif de la conception paramétrique est de trouver des réglages des facteurs de contrôle qui rendent la production insensible au bruit, de sorte que le processus reste sur la cible même si le bruit varie. Crucialement, vous achetez la robustesse en choisissant de meilleurs réglages, pas en achetant des composants plus serrés (et plus chers).
Cela attaque directement les sources d' arrêts non planifiés et de production incohérente qui érodent l' efficacité globale des équipements d'une ligne.
Pour mesurer la robustesse, Taguchi utilisait le rapport signal/bruit (S/N) , qui combine la moyenne (signal) et la variabilité (bruit) en un nombre unique à maximiser. Un S/N plus élevé signifie que la réponse est à la fois sur la cible et stable face aux conditions de bruit.
Pour trouver les meilleurs réglages efficacement, il a adapté les plans orthogonaux : des fractions astucieusement équilibrées d'un plan factoriel complet qui permettent d'étudier de nombreux facteurs en quelques essais.
Un essai complet de sept facteurs à deux niveaux nécessiterait 128 combinaisons; un plan orthogonal L8 étudie les sept en seulement 8 essais. Cette efficience a rendu les expériences conçues praticables sur un atelier réel.
Cette discipline expérimentale complète le contrôle statistique de processus et s'intègre naturellement dans un cycle d'amélioration DMAIC .
La pensée centrée sur la cible de Taguchi s'associe naturellement à la capacité du processus (Cp et Cpk) , puisque Cpk pénalise déjà un processus centré hors cible.
Réduire la variation par une conception robuste fait monter le Cpk et, parce que la perte décroît avec le carré de la déviation, fait chuter votre taux de rebut plus vite que ne le suggère une intuition linéaire.
Combiné à un programme discipliné de maintenance proactive qui empêche les machines de dériver, la courbe de perte devient un langage partagé entre l'ingénierie et la finance.
Pour être clair et précis: Fabrico n'exécute pas les expériences planifiées, ne calcule pas les S/N, ne génère pas les plans orthogonaux et n'effectue pas l'analyse DOE pour vous. Cela relève de logiciels statistiques dédiés et du jugement de vos ingénieurs.
Ce dont les méthodes de Taguchi ont absolument besoin, et ce qui fait défaut à la plupart des usines, ce sont des données de production fiables: ce que le processus a réellement produit, essai par essai, machine par machine, avec les pertes, arrêts et événements qualité qui révèlent l'ampleur de la variation et du bruit que vous combattez réellement.
Fabrico est cette base de données de production en temps réel .
Sa surveillance OEE et de la production en temps réel capture continuellement la production réelle et les pertes, y compris la surveillance par vision par ordinateur sur des machines sans automates, de sorte que les chiffres de déviation alimentant votre fonction de perte sont mesurés, pas supposés.
Associé à la GMAO pour les bons de travail, les actifs et la planification préventive, vous obtenez la base propre, hébergée dans l'UE, sur laquelle tout effort de conception robuste dépend.
Les limites de tolérance ordinaires traitent toute pièce à l'intérieur de la bande comme également bonne et toute pièce à l'extérieur comme également mauvaise, un changement en escalier à la limite de la spécification.
La fonction de perte de Taguchi remplace cela par une courbe quadratique lisse centrée sur la cible, de sorte que la perte augmente continûment plus une pièce s'éloigne de la valeur nominale, même si elle est encore conforme. Elle récompense l'atteinte de la cible, pas seulement le passage à l'inspection.
Les facteurs de contrôle sont des réglages de processus que vous pouvez spécifier et maintenir, tels que la température, la vitesse d'avance ou la pression. Les facteurs de bruit sont des sources de variation que vous ne pouvez pas facilement contrôler, comme l'humidité ambiante, les différences de lot de matière première ou l'usure des machines.
La conception paramétrique robuste recherche des réglages de facteurs de contrôle qui rendent la production insensible aux facteurs de bruit, offrant une qualité stable sans serrer coûteusement chaque entrée.
Vous avez besoin d'un logiciel statistique ou d'un analyste compétent pour concevoir les expériences sur plans orthogonaux, calculer les rapports signal/bruit et interpréter les résultats. Fabrico ne fait pas cette analyse.
Ce qu'il fournit, ce sont les données de production précises et en temps réel (production réelle, pertes, arrêts et événements qualité) dont ces calculs dépendent, de sorte que vos coefficients de perte et estimations de variation reflètent la réalité plutôt que des hypothèses.
Prêt à construire une conception robuste sur des données en lesquelles vous pouvez avoir confiance ? Réservez une démo Fabrico et voyez comment l'OEE et la GMAO en temps réel donnent à votre ingénierie qualité une base de production précise.
Connexion
Blog
